Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 9

Größe: px
Ab Seite anzeigen:

Download "Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 9"

Transkript

1 Prof r Holger ette Muterlöung Statitik I Sommeremeter 009 r Melanie Birke Blatt 9 Aufgabe : 4 Punkte E eien X,, X n unabhängig identich N µ, -verteilt a Man berechne die Fiher-Information I µ für µ b E ei Man zeige, da gilt ˆµ a = Xn für X n a X n für X n <, a > 0 nˆµa µ mit vµ = für µ 0 und vµ = a für µ = 0 N 0, vµ c Für welche a it ˆµ a effizient? Man zeige auch, da e Fälle gibt, wo gilt Löung: a E it vµ I µ log L X µ = logπ X µ µ log L X µ = X µ [ ] I µ = E µ log L X µ = E[X µ ] = VX = b E it nˆµa µ = n X n µi X n + na n X /4 n µi X n < Für µ = 0 ergibt ich nˆµa µ = n X n µ I n N 0, Für µ = 0 gilt außerdem wegen P 0 I X n 0 P 0 I + a n X n µ N 0,a X n > ε ε V 0 I X n = 4Φ Φ n 0 I X n < = P 0 n Xn + P 0 n Xn = Φ + Φ = Φ und I X n n Bin, Φ Alo gilt I X /4 n I X n < P n und mit dem Lemma von Slutky folgt für µ = 0 /4 nˆµa µ N 0, a P 0 Genauo zeigt man

2 Für µ 0 gilt nˆµa µ = n X n µ I n N 0, + a n X n µ N 0,a I X n < + nµa I n X /4 n < Wir zeigen zuert die Konvergenz in Wahrcheinlichkeit de letzten Audruck gegen 0 azu ei ε > 0 ε und e exitiert ein n 0 IN o da für alle n n 0 gilt n µa < n µa P µ I X n < > ε = P µ I X n < = P µ X n < ε > n µa = P µ n / µ < n / X n µ < n / µ = Φ n / µ Φ n / µ für µ<0 0 für µ>0 n für µ<0 0 für µ>0 a bedeutet n µa I X n < P 0 Genauo zeigt man I Xn < I X n P n Mit dem Lemma von Slutky erhält man hier /4 nˆµa µ N 0,, n 0 P 0 und alo die Behauptung c Für a = gilt ˆµ = X n und omit it ˆµ effizient für µ Für allgemeine a < und µ = 0 it die aymptotiche Varianz von nˆµ a µ mit a < = I µ Solche Schätzer, für die die aymptotiche Varianz zumindet für einige wenige Parameterwerte kleiner al die Invere der Fiher-Information it heißen auch upereffizient! Aufgabe : 4 Punkte E eien X,, X n unabhängig identich N µ, σ-verteilt und Y,, Y m unabhängig identich N µ, σ- verteilt und X i n i= und Y j m j= eien unabhängig Man finde ein α-konfidenzintervall für σ σ a µ und µ bekannt b µ und µ unbekannt c einer der beiden Erwartungwerte unbekannt it? Löung: a Wenn µ und µ bekannt ind, ind = n n i= X i µ und = m m i= Y i µ unabhängige Schätzer für σ und σ und e gilt n σ α = P σ,σ = P σ,σ χ n, m σ F m,n,α/ σ σ F m,n,α/ σ σ amit it [ ] F m,n,α/, F m,n, α/ ein α-konfidenzintervall für σ Ein Anatz mit σ σ n,m führt zunächt zu α P σ,σ σ F n,m, α/ σ σ wenn χ m ehalb gilt σ σ m,n und F m,n, α/ F m,n, α/ F n,m,α/

3 a ergibt jedoch daelbe Konfidenzintervall wie oben da gilt F j,k,β = F k,j, β für j, k IN, β 0, b Sind µ und µ beide unbekannt, o ind = n n i= X i X n und = m m i= Y i X n unabhängige Schätzer für σ und σ und e gilt n σ F m,n und α = P σ,σ = P σ,σ F m,n,α/ σ χ n, m σ σ F m,n,α/ σ σ F m,n, α/ amit it [ ] F m,n,α/, F m,n, α/ F m,n, α/ χ m ehalb gilt σ σ ein α-konfidenzintervall für σ σ c Ohne Einchränkung ei µ bekannt ann ind = n n i= X i µ und = m m i= Y i X n unabhängige Schätzer für σ und σ und e gilt n χ σ n, m χ σ m ehalb gilt σ σ m,n und α = P σ,σ F m,n,α/ σ σ F m,n, α/ = P σ,σ F m,n,α/ σ σ F m,n, α/ amit it [ ] F m,n,α/, F m,n, α/ ein α-konfidenzintervall für σ Analog erhält man für µ σ bekannt da α-konfidenzintervall [ ] F m,n,α/, F m,n, α/ Aufgabe 3: 4 Punkte E ei θ = θ,, θ k T IR k und für j =,, k ei C j θ = c j X, c j X α j -Konfidenzintervall für θ j Weiter ei Cθ = C θ C k θ a Man zeige, da Cθ ein Konfidenzbereich für θ zum Niveau k j= α j it b C θ,, C k θ ind tochatich unabhängig fall die Zufallvariablen c X, c X,, c k X, c k X tochatich unabhängig ind Man zeige, da in dieem Fall Cθ ein Konfidenzbereich zum Niveau k j= α j it Man vergleiche diee Niveau mit dem in a betimmten c E eien nun α = = α k = α Wie mu man in a bzw b α wählen, damit man ein Konfidenzbereich für θ zum vorgegebenen Niveau α erhält? Löung: a Mit der Bonferroni-Ungleichung erhalten wir P θ θ Cθ = P θ θ / Cθ = P θ θ / C θ,, θ k / C k θ P θ θ j / C j θ = α j j= amit it Cθ ein k j= α j -Konfidenzbereich für θ b Sind C θ,, C k θ tochatich unabhängig, o gilt j= P θ θ Cθ = P θ θ C θ,, θ k C k θ = α j j= P θ θ j C j θ j=

4 k und Cθ it damit ein j= α j -Konfidenzbereich für θ Wegen der allgemeinen Bernoulli-Ungleichung gilt α j j= Bewei zb mit Induktion über k und im Fall der Unabhängigkeit der einzelnen Konfidenzintervalle erhält man einen beeren Konfidenzbereich für θ c Im Fall a oll alo gelten k α = α und damit ollte man α = k α wählen Im Fall b oll gelten α k = α und hier wählt man alo α = α /k j= α j Aufgabe 4: E eien X,, X n unabhängig identich Poion-verteilt mit Parameter λ > 0 4 Punkte a Man betimme den Maximum-Likelihood-Schätzer ˆλ für λ und zeige, da dieer aymptotich effizient it b Man finde eine varianztabiliierende Tranformation für ˆλ und betimme darau ein aymptotiche α-konfidenzintervall der Form [0, c] für λ c Man finde eine geeignete Standardiierung, o da c n ˆλ λ N 0, gilt und betimme darau ein aymptotiche α-konfidenzintervall der Form [0, c] für λ d Gegeben ei die Stichprobe 6, 3,, 4, 3, 4,, 5,, 4 von Poion-verteilten Zufallvariablen Man berechne Konfidenzintervalle mit den Methoden au b und c zum Niveau 095 und vergleiche die Reultate Löung: a Wir erhalten mit X = X,, X n log L X λ = nλ + lognλ λ log L Xλ = n + λ i= X i X i i= logx i! Al Nulltelle der zweiten Gleichung erhalten wir den Maximum-Likelihood-Schätzer ˆλ = n n i= X i ie Fiher-Information it [ I λ = E λ + ] λ X = λ E λ[x λ ] = λ V λx = λ λ = λ Mit dem Zentralen Grenzwertatz gilt nˆλ λ N 0, λ λ =I amit it ˆλ aymptotich effizient im Übrigen it ˆλ ogar effizient! b Wir müen eine Funktion g finden mit g λ = λ ann gilt nämlich mit der elta-methode i= ngˆλ gλ N 0, g λλg λ = ie Funktion gλ = λ erfüllt die obige ifferentialgleichung und wir erhalten n λ N 0, arau können wir ein aymptotiche α-konfidenzintervall kontruieren: P λ 0 λ c 0 λ c n c n λ n n c n λ

5 [ Für c = + u α n = ˆλ + u n α + u α n it cv λ 0, ˆλ ] + u α n + u α ein aymptotiche Konfidenzintervall zum Niveau α n c E gilt mit dem Zentralen Grenzwertatz und dem Lemma von Slutky ˆλ it konitent für λ n ˆλ λ N 0, arau kontruieren wir da Konfidenzintervall: P λ 0 λ c n ˆλ c n ˆλ c n ˆλ λ n ˆλ λ n ˆλ Für c = ˆλ + ˆλ + u α n it c λ[0, ˆλ + u α n ] ein aymptotiche Konfidenzintervall zum Niveau α Wir ehen direkt, da da hier kontruierte Konfidenzintervall beer it al da au b, da eine Länge kleiner it! d Für die Konfidenzintervalle au b und c erhält man mit u 095 = 645 ˆλ = 33 c v λ = [0, 433] c λ = [0, 445] Wie wir alo chon in c fetgetellt haben, it c v λ beer al c λ

5 Die Poisson-Approximation

5 Die Poisson-Approximation 5 Die Poion-Approximation Im vierten Kapitel hatten wir mit der Normalverteilung die icherlich wichtigte und meittudierte Verteilung der W.-Theorie kennengelernt und geehen, daß man diee al Lime eine geeignet

Mehr

Musterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60

Musterlösung zur Klausur im Fach Fortgeschrittene Statistik am Gesamtpunktzahl: 60 WESTFÄLISCHE WILHELMS - UNIVERSITÄT MÜNSTER Wirtschaftswissenschaftliche Faktultät Prof. Dr. Bernd Wilfling Professur für VWL, insbesondere Empirische Wirtschaftsforschung Musterlösung zur Klausur im Fach

Mehr

1 Diskrete Wahrscheinlichkeitstheorie

1 Diskrete Wahrscheinlichkeitstheorie Prof. A. Sapozhnikov Wahrcheinlichkeittheorie I INHALTSVERZEICHNIS 1 Dikrete Wahrcheinlichkeittheorie 1.1 Laplace-Wahrcheinlichkeit. Urnenmodelle. N! Begriffe: Ziehen ohne Zurücklegen, mit Reihenfolge,

Mehr

Abiturprüfung Mathematik 2014 Baden-Württemberg Allgemeinbildende Gymnasien Wahlteil Analytische Geometrie / Stochastik Aufgabe B 1 - Lösungen

Abiturprüfung Mathematik 2014 Baden-Württemberg Allgemeinbildende Gymnasien Wahlteil Analytische Geometrie / Stochastik Aufgabe B 1 - Lösungen 1 Abiturprüfung Mathematik 214 Baden-Württemberg Allgemeinbildende Gymnaien Wahlteil Analytiche Geometrie / Stochatik Aufgabe B 1 - Löungen klau_mener@eb.de.elearning-freiburg.de Wahlteil 214 Aufgabe B

Mehr

Lösungsvorschläge zum 9. Übungsblatt.

Lösungsvorschläge zum 9. Übungsblatt. Übung zur Anali III W / Löungvorchläge zum 9. Übungblatt. Wir zeigen zunächt, da die u.u. au Vorleung/Übung noch nicht bekannt it: It A BR p und B BR q, o it A B BR p+q. Die läßt ich z.b. wie in Aufgabe

Mehr

Lösungen zu Übungs-Blatt Differentialgleichungen 2. Ordnung und PBZ

Lösungen zu Übungs-Blatt Differentialgleichungen 2. Ordnung und PBZ Prof.Dr. B.Grabowki Mathematik III/MST Übung Löungen Löungen zu Übung-Blatt Differentialgleichungen. Ordnung und PBZ Zu Aufgabe ) Geben Sie jeweil mindeten eine Löung folgender Differentialgleichung an

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretiche Grundlagen der Informatik Andrea Schumm 21.1.21 INSTITUT FÜR THEORETISCHE INFORMATIK KIT Univerität de Lande Baden-Württemberg und nationale Forchungzentrum in der Helmholtz-Gemeinchaft www.kit.edu

Mehr

Statistik I für Betriebswirte Vorlesung 13

Statistik I für Betriebswirte Vorlesung 13 Statistik I für Betriebswirte Vorlesung 13 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 4. Juli 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung

Mehr

Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5

Prof. Dr. Holger Dette Musterlösung Statistik I Sommersemester 2009 Dr. Melanie Birke Blatt 5 Prof. Dr. Holger Dette Musterlösug Statistik I Sommersemester 009 Dr. Melaie Birke Blatt 5 Aufgabe : 4 Pukte Sei X eie Poissoλ verteilte Zufallsvariable mit λ > 0, ud die Verlustfuktio L sei defiiert durch

Mehr

Stochastik Serie 11. ETH Zürich HS 2018

Stochastik Serie 11. ETH Zürich HS 2018 ETH Zürich HS 208 RW, D-MATL, D-MAVT Prof. Marloes Maathuis Koordinator Dr. Marvin Müller Stochastik Serie. Diese Aufgabe behandelt verschiedene Themenbereiche aus dem gesamten bisherigen Vorlesungsmaterial.

Mehr

8 Martingaldarstellung und Doob-Meyer Zerlegung

8 Martingaldarstellung und Doob-Meyer Zerlegung 8 Martingaldartellung und Doob-Meyer Zerlegung 8.1 Der Martingaldartellungatz In Kapitel 3 haben wir gezeigt, da da Ito-Integral eine H -Integranden ein tetige Martingal it. Der Martingaldartellungatz

Mehr

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 15. Übungsblatt

Höhere Mathematik I für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie Lösungsvorschläge zum 15. Übungsblatt Karlruher Intitut für Technologie (KIT) Intitut für Analyi Dr. A. Müller-Rettkowki Dipl.-Math. M. Uhl WS 9/ Höhere Mathematik I für die Fachrichtungen Elektroingenieurween, Phyik und Geodäie Löungvorchläge

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretiche Grundlagen der Informatik KIT 24.1.211 Univerität de Dorothea Lande Baden-Württemberg Wagner - Theoretiche und Grundlagen der Informatik nationale Forchungzentrum Vorleung in am der 2.Oktober

Mehr

Mathematische Statistik Aufgaben zum Üben. Schätzer

Mathematische Statistik Aufgaben zum Üben. Schätzer Prof. Dr. Z. Kabluchko Wintersemester 2016/17 Philipp Godland 14. November 2016 Mathematische Statistik Aufgaben zum Üben Keine Abgabe Aufgabe 1 Schätzer Es seien X 1,..., X n unabhängige und identisch

Mehr

Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, (

Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, ( Kapitel 4 Konfidenzbereiche Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden Teil-Parameter

Mehr

Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte

Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann Probe-Klausur zur Vorlesung Ökonometrie Theorie-Teil: Aufgaben 1-3: 30 Punkte Programmier-Teil: Aufgaben 4-9: 60 Punkte (die eigentliche Klausur wird

Mehr

LÖSUNGEN AUSGEWÄHLTER AUFGABEN UND ZUSÄTLICHE AUFGABEN. Stochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung

LÖSUNGEN AUSGEWÄHLTER AUFGABEN UND ZUSÄTLICHE AUFGABEN. Stochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung Intitut für mathematiche Statitik und Vericherunglehre Departement Mathematik und Statitik Philoophich-naturwienchaftlicher Fakultät LÖSUNGEN AUSGEWÄHLTER AUFGABEN UND ZUSÄTLICHE AUFGABEN Stochatiche Modelle

Mehr

Stochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung. Lösungen ausgewählter Aufgaben und zusätliche Aufgaben

Stochastische Modelle der aktuariellen Risikotheorie Eine mathematische Einführung. Lösungen ausgewählter Aufgaben und zusätliche Aufgaben Stochatiche Modelle der aktuariellen Riikotheorie Eine mathematiche Einführung R Gatto - 24 - Springer Löungen augewählter Aufgaben zuätliche Aufgaben Juni 27 Inhaltverzeichni 2 Modelle für individuelle

Mehr

11 Likelihoodquotiententests

11 Likelihoodquotiententests 11 Likelihoodquotietetests I de Paragraphe 7-10 wurde beste Tests UMP-Tests oder UMPU-Tests i spezielle Verteilugssituatioe hergeleitet Hier soll u ei allgemeies Kostruktiosprizip für Tests vo zusammegesetzte

Mehr

Kapitel 9. Schätzverfahren und Konfidenzintervalle. 9.1 Grundlagen zu Schätzverfahren

Kapitel 9. Schätzverfahren und Konfidenzintervalle. 9.1 Grundlagen zu Schätzverfahren Kapitel 9 Schätzverfahren und Konfidenzintervalle 9.1 Grundlagen zu Schätzverfahren Für eine Messreihe x 1,...,x n wird im Folgenden angenommen, dass sie durch n gleiche Zufallsexperimente unabhängig voneinander

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastik,..3 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf n wird mit B n bezeichnet, das Lebesgue Maß auf n wird

Mehr

Das empirische VaR bzw. CVaR

Das empirische VaR bzw. CVaR Das empirische VaR bzw. CVaR Sei x 1, x 2,..., x n eine Stichprobe der unabhängigen identischverteilten ZV X 1, X 2,..., X n mit Verteilungsfunktion F (Notation: Die ZV X 1, X 2,..., X n sind i.i.d. Empirische

Mehr

Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr.

Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen. Statistik II. Prof. Dr. Statistik II Fakultät Verkehrswissenschaften Friedrich List Professur für Ökonometrie und Statistik, insb. im Verkehrswesen Statistik II 2. Parameterschätzung: 2.1 Grundbegriffe; 2.2 Maximum-Likelihood-Methode;

Mehr

3 Statistische Schätzungen

3 Statistische Schätzungen 3 Statistische Schätzungen In der Wahrscheinlichkeitstheorie geht es darum, über Modelle Ereignisse zu bewerten bzw. Voraussagen über ihr Eintreten zu treffen. Sind nun umgekehrt Daten bekannt, und wollen

Mehr

Schätzer und Konfidenzintervalle

Schätzer und Konfidenzintervalle Kapitel 2 Schätzer und Konfidenzintervalle Bisher haben wir eine mathematische Theorie entwickelt, die es uns erlaubt, gewisse zufällige Phänomene zu modellieren. Zum Beispiel modellieren wir die Anzahl

Mehr

5 Konfidenzschätzung. 5.1 Einige Grundbegriffe zur Konfidenzschätzung

5 Konfidenzschätzung. 5.1 Einige Grundbegriffe zur Konfidenzschätzung 5 Konfidenzschätzung 5. Einige Grundbegriffe zur Konfidenzschätzung Diesem Kapitel liegt das parametrische Modell {X, B X, P } mit P {P Θ} zugrunde. {Θ, B Θ } sei ein Meßraum über Θ und µ ein σ-finites

Mehr

Grundlagen der schließenden Statistik

Grundlagen der schließenden Statistik Grundlagen der schließenden Statistik Schätzer, Konfidenzintervalle und Tests 1 46 Motivation Daten erhoben (Umfrage, Messwerte) Problem: Bei Wiederholung des Experiments wird man andere Beobachtungen

Mehr

Differentialgleichungen

Differentialgleichungen Differentialgleichungen Teilnehmer: Phili Bannach Heinrich-Hertz-Oberchule) Levin Keller Herder-Oberchule) Phili Kende Herder-Oberchule) Carten Kubbernuh Andrea-Oberchule) Giang Nguyen Herder-Oberchule)

Mehr

( ) = ( ) ( ) ( ) ( )

( ) = ( ) ( ) ( ) ( ) R. Brinkmann http://brinkmann-du.de Seite 0.0.0 Löungen Grundaufgaben für lineare und quadratiche Funktionen I e: E e f( x) = x+ Py 0 f( x) = x+ Px 0 E E E E E6 E7 E8 E9 E0 f x = mx + b mit m = und P(

Mehr

0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1

0 sonst. a) Wie lautet die Randwahrscheinlichkeitsfunktion von Y? 0.5 y = 1 Aufgabe 1 (2 + 2 + 2 + 1 Punkte) Gegeben sei folgende gemeinsame Wahrscheinlichkeitsfunktion f(x, y) = P (X = x, Y = y) der Zufallsvariablen X und Y : 0.2 x = 1, y = 1 0.3 x = 2, y = 1 f(x, y) = 0.45 x

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastik, 10.10.14 Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß

Mehr

Modellanpassung und Parameterschätzung. A: Übungsaufgaben

Modellanpassung und Parameterschätzung. A: Übungsaufgaben 7 Modellanpassung und Parameterschätzung 1 Kapitel 7: Modellanpassung und Parameterschätzung A: Übungsaufgaben [ 1 ] Bei n unabhängigen Wiederholungen eines Bernoulli-Experiments sei π die Wahrscheinlichkeit

Mehr

8.6.5 Diffusion von Bromdampf ******

8.6.5 Diffusion von Bromdampf ****** 8.6.5 ****** Motivation Die Langamkeit der Diffuion wird mit Hilfe von Bromdampf veranchaulicht. Die quantitative Meung der Diffuion erlaubt die Betimmung der mittleren freien Weglänge und die Meung der

Mehr

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar "Statistische Methoden in der Physik"

Theorie Parameterschätzung Ausblick. Schätzung. Raimar Sandner. Studentenseminar Statistische Methoden in der Physik Studentenseminar "Statistische Methoden in der Physik" Gliederung 1 2 3 Worum geht es hier? Gliederung 1 2 3 Stichproben Gegeben eine Beobachtungsreihe x = (x 1, x 2,..., x n ): Realisierung der n-dimensionalen

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastik, 5.5. Wir gehen stets von einem Maßraum (Ω, A, µ) bzw. einem Wahrscheinlichkeitsraum (Ω,A,P) aus. Die Borel σ-algebra auf R n wird mit B n bezeichnet, das Lebesgue Maß auf

Mehr

Scheinklausur zur Vorlesung Stochastik II

Scheinklausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 2007/2008 Universität Karlsruhe 25. 02. 2008 Dr. B. Klar Scheinklausur zur Vorlesung Stochastik II Muster-Lösung Dauer: 90 Minuten Name: Vorname: Matrikelnummer:

Mehr

Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess

Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Institut für Stochastik Prof. Dr. N. Henze Dipl.-Math. V. Riess Name: Vorname: Matrikelnummer: Lösungsvorschlag zur Klausur zur Vorlesung Wahrscheinlichkeitstheorie und Statistik (Stochastik) Datum: 07.

Mehr

Korrekturliste zum Studienbuch Statistik

Korrekturliste zum Studienbuch Statistik Korrekturlite zum Studiebuch Statitik I der aktuelle Auflage wurde durch ei Kovertierugproblem i de Kapitel 0 (S. 3 3 ud de etprechede Abchitte i de Löuge (S. 39 07 teilweie die Zeiche µ durch ud π durch

Mehr

Konfidenzbereiche. Kapitel Grundlagen. Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus,

Konfidenzbereiche. Kapitel Grundlagen. Wir gehen wieder von einem allgemeinen (parametrischen) statistischen Modell aus, Kapitel 4 Konfidenzbereiche 4.1 Grundlagen Wir gehen wieder von einem allgemeinen parametrischen statistischen Modell aus, M, A, P ϑ ; sei eine Funktion des Parameters gegeben, die einen interessierenden

Mehr

Systemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner

Systemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner Sytemtheorie Teil A - Zeitkontinuierliche Signale und Syteme - Muterlöungen Manfred Strohrmann Urban Brunner Inhalt 8 Muterlöungen rundlagen de Filterentwurf 3 8. Entwurf eine paiven Filter mit kriticher

Mehr

4.2 Methoden um Tests zu finden: Likelihood Quotienten Tests (LRT) Falls X 1,..., X n iid aus f(x θ), so gilt für die Likelihood Funktion

4.2 Methoden um Tests zu finden: Likelihood Quotienten Tests (LRT) Falls X 1,..., X n iid aus f(x θ), so gilt für die Likelihood Funktion 4.2 Methoden um Tests zu finden: Likelihood Quotienten Tests (LRT) Falls X 1,..., X n iid aus f(x θ), so gilt für die Likelihood Funktion L(θ x) = f(x θ) = n f(x i θ). Falls L(θ x) > L(θ x), für θ, θ Θ,

Mehr

12.6 Aufgaben zur Laplace-Transformation

12.6 Aufgaben zur Laplace-Transformation 292 12. Aufgaben zu linearen Gleichungen 12.6 Aufgaben zur Laplace-Tranformation A B C D Man löe die folgenden Anfangwertprobleme durch Laplace-Tranformation: 1) ẍ ẋ x = ; x() = ẋ() = 1 2) x (3) 6ẍ + 12ẋ

Mehr

Statistics, Data Analysis, and Simulation SS 2017

Statistics, Data Analysis, and Simulation SS 2017 Statistics, Data Analysis, and Simulation SS 2017 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Mainz, May 29, 2017 Dr. Michael O. Distler

Mehr

Wichtige Definitionen und Aussagen

Wichtige Definitionen und Aussagen Wichtige Definitionen und Aussagen Zufallsexperiment, Ergebnis, Ereignis: Unter einem Zufallsexperiment verstehen wir einen Vorgang, dessen Ausgänge sich nicht vorhersagen lassen Die möglichen Ausgänge

Mehr

Laplace Transformation

Laplace Transformation Department Mathematik der Univerität Hamburg SoSe 29 Dr. Hanna Peywand Kiani Laplace Tranformation Die in Netz getellten Kopien der Anleitungfolien ollen nur die Mitarbeit während der Verantaltung erleichtern.

Mehr

Kapitel 3 Schließende Statistik

Kapitel 3 Schließende Statistik Motivation Grundgesamtheit mit unbekannter Verteilung F Stichprobe X 1,...,X n mit Verteilung F Realisation x 1,...,x n der Stichprobe Rückschluss auf F Dr. Karsten Webel 160 Motivation (Fortsetzung) Kapitel

Mehr

Ableitungsberechnung mit der Grenzwertmethode. Besonders wichtig ist der Zentraltext über Ableitungen Datei Stand 30.

Ableitungsberechnung mit der Grenzwertmethode. Besonders wichtig ist der Zentraltext über Ableitungen Datei Stand 30. Analyi Ableitungfunktionen Ableitungberechnung mit der Grenzwertmethode Beonder wichtig it der Zentraltet über Ableitungen 400 Datei 40 Stand 0. Dezember 00 INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK 40 Ableitungfunktionen

Mehr

Teil IX. Verteilungen an Daten anpassen ( Maximum-Likelihood-Schätzung. fitten ) Woche 7: Maximum-Likelihood-Schätzung. Lernziele

Teil IX. Verteilungen an Daten anpassen ( Maximum-Likelihood-Schätzung. fitten ) Woche 7: Maximum-Likelihood-Schätzung. Lernziele Woche 7: Maimum-Lielihood-Schätzung Patric Müller ETHZ Teil IX Verteilungen an Daten anpassen ( fitten ): Maimum-Lielihood-Schätzung WBL 17/19, 12.06.2017 Wahrscheinlicheit

Mehr

Wahrscheinlichkeit und Statistik BSc D-INFK

Wahrscheinlichkeit und Statistik BSc D-INFK Prof. Dr. M. Schweizer ETH Zürich Sommer 4 Wahrscheinlichkeit und Statistik BSc D-INFK. a (iii b (ii c (iii d (i e (ii f (i g (iii h (iii i (i j (ii. a Die Anzahl der bestellten Weine in einem Monat kann

Mehr

2 Klassische statistische Verfahren unter Normalverteilungs-Annahme

2 Klassische statistische Verfahren unter Normalverteilungs-Annahme 7 Klassische statistische Verfahren unter Normalverteilungs-Annahme. χ s, t s, F r,s -Verteilung a) N,..., N s uiv N (0, ) Verteilung von Y := N +... + N s heißt Chi-Quadrat-Verteilung mit s Freiheitsgraden

Mehr

Definition. Wichtige Beziehungen. Geometrische Konstruktion

Definition. Wichtige Beziehungen. Geometrische Konstruktion Mathematik/Informatik Gierhardt Goldener Schnitt und Kreiteilung Definition Eine Strecke mit der Länge r oll nach dem Verfahren de Goldenen Schnitt geteilt werden. Dann verhält ich die Geamttreckenlänge

Mehr

HOCHSCHULE RAVENSBURG-WEINGARTEN

HOCHSCHULE RAVENSBURG-WEINGARTEN Prof. Dr.-Ing. Tim J. Noper Mathematik Lapace-Tranformation Aufgabe : Betimmen ie mit Hife der Definitiongeichung der Lapace-Tranformation die Bidfunktionen fogender Originafunktionen: f(t) co( ωt) b)

Mehr

Konfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt

Konfidenzintervalle. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt Konfidenzintervalle Annahme: X 1,..., X n iid F θ. Gesucht: U = U(X 1,..., X n ), O = O(X 1,..., X n ), sodass für das wahre θ gilt P θ (U θ O) = 1 α, α (0, 1). Das Intervall [U, O] ist ein Konfidenzintervall

Mehr

Mathematik für Biologen

Mathematik für Biologen Mathematik für Biologen Prof. Dr. Rüdiger W. Braun Heinrich-Heine-Universität Düsseldorf 9. Dezember 2010 1 Konfidenzintervalle Idee Schätzung eines Konfidenzintervalls mit der 3-sigma-Regel Grundlagen

Mehr

Nachklausur Mathematik für Biologen WS 08/09

Nachklausur Mathematik für Biologen WS 08/09 Aufgabe 1: (5 Punkte) In einer diploiden Population beobachten wir die Ausprägung eines bestimmten Gens, das zwei Allele V und W annimmt. Somit besitzt jedes Individuum V V, V W oder W W als Genotyp. Die

Mehr

Scheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik

Scheinklausur Stochastik 1 für Studierende des Lehramts und der Diplom-Pädagogik Universität Karlsruhe (TH) Institut für Stochastik Dr. Bernhard Klar Dipl.-Math. oec. Volker Baumstark Name Vorname Matr.-Nr.: Scheinklausur Stochastik für Studierende des Lehramts und der Diplom-Pädagogik

Mehr

Statistik. Andrej Depperschmidt. Sommersemester 2016

Statistik. Andrej Depperschmidt. Sommersemester 2016 Statistik Andrej Depperschmidt Sommersemester 2016 Schätzen der Varianz mit Stichprobenmittel Sei X = (X 1,..., X n ) eine Stichprobe u.i.v. ZV mit E[X i ] = µ R, Var[X i ] = σ 2 (0, ) und µ 4 = E[(X i

Mehr

Statistik-Notfallkit für Schüler und Lehrer

Statistik-Notfallkit für Schüler und Lehrer Statistik-Notfallkit für Schüler und Lehrer Jan Kallsen Christian-Albrechts-Universität zu Kiel 3. Dezember 2018 Zusammenfassung Schließende Statistik ist konzeptionell nicht einfach. Hier sind einige

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2004/2005 Universität Karlsruhe 14. Februar 2005 Dr. Bernhard Klar Sebastian Müller Aufgabe 1: (15 Punkte) Klausur zur Vorlesung Statistik für Biologen Musterlösungen

Mehr

Statitik für Kommunikationienchaftler Winteremeter 010/011 Vorleung Prof. Dr. Nicole Krämer Übung Nicole Krämer, Cornelia Oberhauer, Monia Mahling Löung Thema 5 Homepage zur Verantaltung: http://.tatitik.lmu.de/~kraemer/k10/index.html

Mehr

DWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr

DWT 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen 330/467 Ernst W. Mayr 2.1 Maximum-Likelihood-Prinzip zur Konstruktion von Schätzvariablen Wir betrachten nun ein Verfahren zur Konstruktion von Schätzvariablen für Parameter von Verteilungen. Sei X = (X 1,..., X n ). Bei X

Mehr

Statistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN!

Statistik Klausur Sommersemester 2013 Hamburg, BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Statistik 2 1. Klausur Sommersemester 2013 Hamburg, 26.07.2013 A BITTE LESERLICH IN DRUCKBUCHSTABEN AUSFÜLLEN! Nachname:............................................................................ Vorname:.............................................................................

Mehr

Regelungstechnik I (WS 17/18) Übung 5

Regelungstechnik I (WS 17/18) Übung 5 Regelungtechnik I (WS 17/18) Übung 5 Prof. Dr. Ing. habil. Thoma Meurer, Lehrtuhl für Regelungtechnik Aufgabe 1. Gegeben it die Übertragungfunktion der Regeltrecke ĝ() = 2 3 +.1 ( + 1). Betimmen Sie mittel

Mehr

Probeklausur - Statistik II, SoSe 2017

Probeklausur - Statistik II, SoSe 2017 Probeklausur - Statistik II, SoSe 2017 Aufgabe 1: Mehrdimensionale Zufallsvariablen (15 Punkte) Gegeben sei ein zweidimensionaler stetiger Zufallsvektor X = (X 1, X 2 ) T mit der gemeinsamen Dichtefunktion

Mehr

Systemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner

Systemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner Sytemtheorie eil - Zeitkontinuierliche Signale und Syteme - Muterlöungen Manfred Strohrmann Urban Brunner Inhalt Muterlöungen - Laplace-ranformation zeitkontinuierlicher Signale... 3. Berechnung der Laplace-ranformierten

Mehr

Statistisches Testen

Statistisches Testen Statistisches Testen Grundlegendes Prinzip Erwartungswert Bekannte Varianz Unbekannte Varianz Differenzen Anteilswert Chi-Quadrat Tests Gleichheit von Varianzen Prinzip des Statistischen Tests Konfidenzintervall

Mehr

Grundkurs Codierung Lösungsvorschläge zu den Fragen in den Unterkapiteln Was blieb? Stand Unterkapitel 4.4 Seite 261

Grundkurs Codierung Lösungsvorschläge zu den Fragen in den Unterkapiteln Was blieb? Stand Unterkapitel 4.4 Seite 261 Grundkur Codierung Löungvorchläge zu den Fragen in den Unterkapiteln Wa blieb? Stand 22.04.2007 Unterkapitel 4.4 Seite 261 Zu Frage 1: Nein, damit bleibt da one time pad-verfahren nicht perfekt. Man kann

Mehr

Zulassungsprüfung Stochastik,

Zulassungsprüfung Stochastik, Zulassungsprüfung Stochastik, 13.10.2017 Wir gehen stets von einem Wahrscheinlichkeitsraum Ω,A,P aus. Aufgabe 1 15 Punkte Seien a,b > 0 und x,y fest. Gegeben sei das Maß µ : B 1 [0,, µa := a1 A x+b1 A

Mehr

Nachklausur zur Vorlesung

Nachklausur zur Vorlesung Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 30. April 004 Priv.-Doz. Dr. D. Kadelka Nachklausur zur Vorlesung Statistik für Biologen Musterlösungen Aufgabe 1 Gemessen wurde bei

Mehr

Übungsmaterial. Lösen von Anfangswertproblemen mit Laplacetransformation

Übungsmaterial. Lösen von Anfangswertproblemen mit Laplacetransformation Prof. Dr. W. Roenheinrich 30.06.2009 Fachbereich Grundlagenwienchaften Fachhochchule Jena Übungmaterial Löen von Anfangwertproblemen mit Laplacetranformation Nachtehend ind einige Anfangwertprobleme zu

Mehr

7.5 Erwartungswert, Varianz

7.5 Erwartungswert, Varianz 7.5 Erwartungswert, Varianz Def. 7.5.: a) X sei eine diskrete ZV, die bei unendl. vielen Werten x k folgende Zusatzbedingung erfüllt: x k p k

Mehr

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen

Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen Einführung in die Stochastik für Informatiker Übungsaufgaben mit Lösungen David Geier und Sven Middelberg RWTH Aachen, Sommersemester 27 Inhaltsverzeichnis Information 2 Aufgabe 4 Aufgabe 2 6 4 Aufgabe

Mehr

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL)

Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Prof. Dr. M. Maathuis ETH Zürich Winter 2010 Stochastik (BSc D-MAVT / BSc D-MATH / BSc D-MATL) Schreiben Sie für Aufgabe 2-4 stets alle Zwischenschritte und -rechnungen sowie Begründungen auf. Aufgabe

Mehr

Vektorrechnung Theorie Manfred Gurtner 2011 Seite 1. Vektorrechnung

Vektorrechnung Theorie Manfred Gurtner 2011 Seite 1. Vektorrechnung Vektorrechnung Theorie Manfred Gurtner Seite Vektorrechnung ink: http://member.chello.at/gut.jutta.gerhard/kur/vektoren.htm http://member.chello.at/gut.jutta.gerhard/kur/vektoren.htm http://www.mathematik.net/vektoral/va.htm

Mehr

3.3 Methoden zur Evaluierung von Schätzern

3.3 Methoden zur Evaluierung von Schätzern 3.3 Methoden zur Evaluierung von Schätzern Bis jetzt haben wir nur glaubwürdige Techniken zur Konstruktion von Punktschätzern besprochen. Falls unterschiedliche Schätzer für einen Parameter resultieren,

Mehr

Studiengang Biomedizinische Technik Sommersemester

Studiengang Biomedizinische Technik Sommersemester Klauur Phyik I Studiengang Biomediziniche Technik Sommeremeter 9 6.8.9 Für alle Berechnungen gilt: die Erdbechleunigung beträgt g 9,8 m/!. (7 Punkte) Ein rechtwinklig zur Fahrtrichtung unter einem Winkel

Mehr

Lösung Übungsblatt 5

Lösung Übungsblatt 5 Lösung Übungsblatt 5 5. Januar 05 Aufgabe. Die sogenannte Halb-Normalverteilung spielt eine wichtige Rolle bei der statistischen Analyse von Ineffizienzen von Produktionseinheiten. In Abhängigkeit von

Mehr

Diskrete Wahrscheinlichkeitstheorie

Diskrete Wahrscheinlichkeitstheorie SS 2013 Diskrete Wahrscheinlichkeitstheorie Javier Esparza Fakultät für Informatik TU München http://www7.in.tum.de/um/courses/dwt/ss13 Sommersemester 2013 Teil V Induktive Statistik Induktive Statistik

Mehr

Wahrscheinlichkeitsrechnung und Statistik

Wahrscheinlichkeitsrechnung und Statistik 10. Vorlesung - 2018 Grundbegriffe der Statistik statistische Einheiten = Objekte an denen interessierende Größen erfaßt werden z.b. Bevölkerung einer Stadt; Schüler einer bestimmten Schule; Patienten

Mehr

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 5: Aufgaben zu den Kapiteln 9 bis 12

Lösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 5: Aufgaben zu den Kapiteln 9 bis 12 Lösungen ausgewählter Übungsaufgaben zum Buch Elementare Stochastik (Springer Spektrum, 0) Teil 5: Aufgaben zu den Kapiteln 9 bis Aufgaben zu Kapitel 9 Zu Abschnitt 9. Ü9.. Es sei ψ : R R stetig differenzierbar.

Mehr

Kapitel VI - Maximum-Likelihood-Schätzfunktionen

Kapitel VI - Maximum-Likelihood-Schätzfunktionen Institut für Volkswirtschaftslehre (ECON) Lehrstuhl für Ökonometrie und Statistik Kapitel VI - Maximum-Likelihood-Schätzfunktionen Induktive Statistik Prof. Dr. W.-D. Heller Hartwig Senska Carlo Siebenschuh

Mehr

Sei θ i = ˆθ. Empirische Verleitungsfunktion von ˆθ(x 1,x 2,...,x n ): I [ θ i, ) Fˆθ für N. Fˆθ. 1, x(i) 2,..., x(i) n, 1 i N. N := 1 N.

Sei θ i = ˆθ. Empirische Verleitungsfunktion von ˆθ(x 1,x 2,...,x n ): I [ θ i, ) Fˆθ für N. Fˆθ. 1, x(i) 2,..., x(i) n, 1 i N. N := 1 N. Ein nicht-parametrisches Bootstrapping Verfahren zu Ermittlung von Konfidenzintervallen der Schätzer Seien die ZV X 1,X 2,...,X n i.i.d. mit Verteilungsfunktion F und sei x 1,x 2,...x n eine Stichprobe

Mehr

Klausur zur Vorlesung Stochastik II

Klausur zur Vorlesung Stochastik II Institut für Mathematische Stochastik WS 003/004 Universität Karlsruhe 05. 04. 004 Prof. Dr. G. Last Klausur zur Vorlesung Stochastik II Dauer: 90 Minuten Name: Vorname: Matrikelnummer: Diese Klausur hat

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Marcel Thoms Mathematik Online Herbst 211 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge

Mehr

Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann. 8. Übungsblatt zur Vorlesung Ökonometrie

Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann. 8. Übungsblatt zur Vorlesung Ökonometrie Hochschule RheinMain WS 2018/19 Prof. Dr. D. Lehmann 8. Übungsblatt zur Vorlesung Ökonometrie Aufgabe 1: In der Vorlesung haben wir das lineare Regressionsproblem als statistisches Problem formuliert:

Mehr

Wahrscheinlichkeit und Statistik: Zusammenfassung

Wahrscheinlichkeit und Statistik: Zusammenfassung HSR Hochschule für Technik Rapperswil Wahrscheinlichkeit und Statistik: Zusammenfassung beinhaltet Teile des Skripts von Herrn Hardy von Lukas Wilhelm lwilhelm.net 12. Januar 2007 Inhaltsverzeichnis 1

Mehr

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung

Kapitel 7: Flüsse in Netzwerken und Anwendungen Gliederung der Vorlesung Gliederung der Vorleung. Falltudie Bipartite Graphen. Grundbegriffe 3. Elementare Graphalgorithmen und Anwendungen 4. Minimal pannende Bäume 5. Kürzete Pfade 6. Traveling Saleman Problem 7. Flüe in Netzwerken

Mehr

Klausur zur Vorlesung

Klausur zur Vorlesung Institut für Mathematische Stochastik WS 2006/2007 Universität Karlsruhe 12. Februar 2007 Priv.-Doz. Dr. D. Kadelka Dipl.-Math. W. Lao Aufgabe 1 (15 Punkte) Klausur zur Vorlesung Statistik für Biologen

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Stochastik Marco Boßle Jörg Hörner Mathematik Online Frühjahr 2011 PV-Kurs HM 3 Stochastik 1-1 Zusammenfassung Wahrscheinlichkeitsraum (WR): Menge der Elementarereignisse

Mehr

Aufgabenblatt zum Seminar 01 PHYS70356 Klassische und relativistische Mechanik (Physik, Wirtschaftsphysik, Physik Lehramt, Nebenfach Physik)

Aufgabenblatt zum Seminar 01 PHYS70356 Klassische und relativistische Mechanik (Physik, Wirtschaftsphysik, Physik Lehramt, Nebenfach Physik) Aufgabenblatt zum Seminar 01 PHYS70356 Klaiche und relativitiche Mechanik Phyik, Wirtchaftphyik, Phyik Lehramt, Nebenfach Phyik) Othmar Marti, othmar.marti@uni-ulm.de) 20. 10. 2008 1 Aufgaben 1. Sie ehen

Mehr

Multivariate Verfahren

Multivariate Verfahren Selbstkontrollarbeit 1 Multivariate Verfahren Musterlösung Aufgabe 1 (40 Punkte) Auf der dem Kurs beigelegten CD finden Sie im Unterverzeichnis Daten/Excel/ die Datei zahlen.xlsx. Alternativ können Sie

Mehr

3.1 Der Satz von Engel

3.1 Der Satz von Engel 3. Auflöbare und nilpotente Lie-Algebren 17 3.1 Der Satz von Engel Ein grundlegende Reultat über nilpotente Lie-Algebren it der Satz von Engel, der eine Verbindung zwichen nilpotenten Endomorphimen und

Mehr

WIPF SCHE FORMELSAMMLUNG

WIPF SCHE FORMELSAMMLUNG WIPF SCHE FORELSALG Verfer: Wipf rio Fchbereich: chinen-ingenieurween Fch: Antriebtechnik mfng: Hupttudium Fung vom: 4..3 Antriebtechnik Antriebtechnik Grundlgen Formelmmlung:.Wipf Drehmomentberechnung

Mehr

D-HEST, Mathematik III HS 2017 Prof. Dr. E. W. Farkas M. Nitzschner. Lösung 7. Bitte wenden!

D-HEST, Mathematik III HS 2017 Prof. Dr. E. W. Farkas M. Nitzschner. Lösung 7. Bitte wenden! D-HEST, Mathematik III HS 27 Prof. Dr. E. W. Farka M. Nitzchner Löung 7 Bitte wenden! . Wir betrachten ein Sytem linearer Differentialgleichungen erter Ordnung mit kontanten Koeffizienten der Form y (t)

Mehr

Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011

Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester Oktober 2011 Nachklausur Wahrscheinlichkeitstheorie und Inferenz II Sommersemester 2011 28. Oktober 2011 Prof. Dr. Torsten Hothorn Institut für Statistik Nachname: Vorname: Matrikelnummer: Anmerkungen: ˆ Schreiben

Mehr

a) Geben Sie einen geeigneten Ergebnisraum Ω an. Wieviele Elemente hat dieser?

a) Geben Sie einen geeigneten Ergebnisraum Ω an. Wieviele Elemente hat dieser? Statitik für Kommunikationienchaftler Sommeremeter 008 Vorleung Prof. Dr. Helmut Küchenhoff Übung Cornelia Oberhauer, Manuel Wieenfarth, Monia Mahling Löung Thema 3 Homepage zur Verantaltung: http://.tatitik.lmu.de/~helmut/k08.html

Mehr

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester Namensschild. Dr.

Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester Namensschild. Dr. Wirtschaftswissenschaftliches Prüfungsamt Bachelor-Prüfung Schließende Statistik Sommersemester 2013 Namensschild Dr. Martin Becker Hinweise für die Klausurteilnehmer ˆ Kleben Sie bitte sofort Ihr Namensschild

Mehr

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ).

Aufgaben. d) Seien X und Y Poissonverteilt mit Parameter µ, X, Y P(µ). 2. Dann ist die Summe auch Poissonverteilt mit (X + Y ) P(2µ). Aufgaben 1. Bei den folgenden 10 Fragen ist jeweils genau eine Antwort richtig. Es gibt pro richtig beantwortete Frage 1 Punkt und pro falsche Antwort 1/2 Punkt Abzug. Minimal erhält man für die gesamte

Mehr

Jan Auffenberg. Die Lösung der Bewegungsgleichung eines einzelnen Pendels liefert wie in Versuch M1 betrachtet die Eigenfrequenz der Pendel zu:

Jan Auffenberg. Die Lösung der Bewegungsgleichung eines einzelnen Pendels liefert wie in Versuch M1 betrachtet die Eigenfrequenz der Pendel zu: Protokoll zu Veruch M: Gekoppelte Pendel. Einleitung Im folgenden Veruch werden Schwingungen von durch eine weiche Feder gekoppelten Pendeln unterucht, deren Schwingungebenen eich ind. Die chwache Kopplung

Mehr

Zusatzmaterial zur Mathematik I für E-Techniker Übung 10

Zusatzmaterial zur Mathematik I für E-Techniker Übung 10 Mthemtik I für E-Techniker C. Erdmnn WS /, Univerität Rotock,. Vorleungwoche Zutzmteril zur Mthemtik I für E-Techniker Übung Uneigentliche Integrle Die Funktion f ei für x definiert und in jedem Intervll

Mehr